原文：
www.kdnuggets.com/2023/01/encoding-categorical-features-multilabelbinarizer.html
作者提供的图片
过去，你可能通过 One Hot、Label 和 Ordinal 编码器将分类特征转换为数值特征。你处理的数据每个样本只有一个标签。但是，如何处理具有多个标签的样本呢？
1. Google 网络安全证书 - 快速入门网络安全职业。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 在 IT 领域支持你的组织
在本迷你教程中，你将学习多分类和多标签的区别。此外，我们将应用 Scikit-Learn 的 MultiLabelBinarizer 函数，将可迭代的可迭代对象和多标签目标进行转换。
在机器学习中，多分类数据包含两个以上的类别，每个样本只分配一个标签。而在多标签分类中，每个样本会分配多个标签。
图片来源于 Thamme Gowda
我们将通过示例来理解这两种分类任务。
在多分类中，每个学生的记录只有一个标签（主修），并且有超过两个类别。学生只能选择数学、科学或英语作为主修。
作者提供的图片
在多标签分类中，学生可以拥有多个主修。例如，Nisaha 选择了英语、法律和历史作为她的主修课程。
我们还可以看到，数组的长度有所不同，有些学生有两个主修课程，有些则有三个。
学生有 0 到 N 个主修课程。
作者提供的图片
我们现在将使用 Scikit-learn 的 MultiLabelBinarizer 将可迭代的可迭代对象和多标签目标转换为二进制编码。
在第一个示例中，我们使用 MultiLabelBinarizer 函数将 List of Lists 转换为二进制编码。fit_transform 理解数据并应用转换。
import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
print(mlb.fit_transform([["Abid", "Matt"], ["Nisha"]]))输出：
我们得到了一个由 1 和 0 组成的数组。
array([[1, 1, 0],
[0, 0, 1]])我们还可以将字典列表转换为表示类标签存在的二进制矩阵。
转换后，你可以使用 .classes_ 查看类标签。
y = mlb.fit_transform(
[
{"Abid", "Matt"},
{"Nisha", "Abid", "Matt"},
{"Nisha", "Abid", "Sara", "Matt"},
{"Matt", "Sara"},
]
)
print(list(mlb.classes_))输出：
['Abid', 'Matt', 'Nisha', 'Sara']要理解二进制矩阵，我们将把输出转换成带有类名的 Pandas DataFrame。
res = pd.DataFrame(y, columns=mlb.classes_)
res就像独热编码一样，它将标签表示为 1 和 0。
MultiLabelBinarizer 通常用于图像和新闻分类。转换后，你可以迅速训练简单的随机森林或神经网络。
Abid Ali Awan (@1abidaliawan) 是一位认证的数据科学专家，他热爱构建机器学习模型。目前，他专注于内容创作，并撰写有关机器学习和数据科学技术的技术博客。Abid 拥有技术管理硕士学位和电信工程学士学位。他的愿景是利用图神经网络构建一个 AI 产品，帮助那些在心理健康方面挣扎的学生。